|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14221
- 金币
- 2401
- 威望
- 1647
- 贡献
- 1349
|
今天介绍一种从指定网页源文件中析取image标签的的编程技巧，即从网页源文件中，解析出所有的插图文件名（包括图片路径）,也就是标签＜img src=".../... /abc.jpg"＞ 中的文件名".../.../abc.jpg"(有的可能是gif格式)。编程环境：PHP+Apache for Win98。 / C+ s. D/ R& W: ^; J
3 q) b0 h2 M+ B7 p 首先, 用文本编辑器新建一个PHP类型的文件：abstractSRCfrompage.php3。为了方便讲解，我们打算是在浏览器表单域中输入需要析取image标签的网页的URL（或本机文档），提交后执行析取操作，所以在该文件中，我们要建立一个用于输入网址的表单，举例如下： " |# i- v f2 T7 ^+ y9 a& Y
0 Y7 m5 v& }/ @+ w7 w, T3 A
) h( E& p" y9 X＜form action=" abstractSRCfrompage.php3" method="post"＞
) r: R) W: e3 v4 z9 e 输入网址＜input type=text name=filename＞＜br＞" D! m# C9 G% ^, B- s6 a
＜input type=submit name=submit value="提交"＞
7 R; t9 T; `# ?. k＜/form＞
- y. B6 A9 a3 i) Z
( O4 s& q: K; r. y: J: X, k
; S2 o9 T, M- S( ~6 ` 输入正确的网址，提交后表单信息被送到abstractSRCfrompage.php3页面，由于表单本身就在该页面，所以相当于被送到自身页面，下面我们需要编写析取处理的PHP代码，紧接着表单代码段后写入如下代码：
1 n) Z. r1 F2 h/ b' X
0 N( _* L: B9 t# v1 C, b6 \; s- o ?7 [) b
＜?php& p+ H& F/ l. S! i
if ($filename!=""){
; u! L& p, u$ x# Z( o/ Y! F5 V% b+ x$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；/ y8 W! ]$ O& g8 J5 L) a
while ($buffer = fgets($fp, 1024)) {
' D8 N6 o, f8 `/ D8 S, S7 ]$source .=$buffer; }5 _% I' h- S! j0 _0 h3 l( N' D
fclose($fp);
3 R" y: V5 E) L) I/ v4 mfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
5 J; ?: H# J% U3 cif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
1 |/ r2 z8 M" V; A6 l% v8 q) h: aecho "找到图片标签:)＜br＞";}
, g e! c& y C! L/ H% Celse{
% H0 ?1 i5 S4 q, uecho "未发现图片标签:(＜br＞";}# O q8 r. Z* [# [3 K1 W: i
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
) F& S5 |+ |! ^6 j* q$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);0 S% O+ t& @8 K% Q2 {
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
7 ` W( r; z h9 A# R Qfor($i=1;$i＜sizeof($splitres);$i++){
+ B5 y' n8 C& l* cfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;& F; K6 _* S0 |( l, V& C8 S0 }- F
unset($imgname); // 再次使用前删除imgname变量；$ L" `5 Z) p2 E( L1 R
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
, d6 q* ~4 a; {/ `1 x7 {echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息$ e' _, P6 q: [' T1 U6 L
}
: p ?0 g( Y& O0 C) a/ _7 l+ p5 z* @$ |}
) B6 j/ T7 b3 q?＞; N! U/ r; j9 F: O: O$ Y b/ D1 M
( H( T# B1 z% F# i4 V$ G
/ J- y- M$ O* q2 n) i6 d8 F+ F 该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。) X' @2 N5 g6 l( a( j
* E3 i- A! ?, y8 r! K 其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
2 v: h+ ` U8 B! l
?- E5 I" w4 j- r$ M0 O$ O 好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
, K4 E& ]5 f" W0 T+ z1 |8 i
* U9 n6 e: s8 I& Y) K 如果有兴趣，你可以尝试析取HTML文档中的任意感兴趣的信息，如果稍加改装，做一个网站文本搜索引擎岂不更妙？ |
|
发表于 2008-1-19 23:31
| 